网络AI服务质量指标和测试体系白皮书（2026年）

发布单位：中国移动通信研究院，罗德与施瓦茨（中国）科技有限公司，唯亚威通讯，中关村泛联移动通信技术创新应用研究院，浙江大学 前言 当前，5G规模化商用持续深化，6G技术研发与标准制定全面提速。以生成式大模型、多模态AI为代表的人工智能技术高速发展，推动通信网络从传统数据传输管道，向端边网云深度协同的智能服务基座演进。网络与AI深度融合成为6G核心发展方向，全息交互、数字孪生、通感互联、智能机器人、车联网、元宇宙等新型业务场景不断落地，AI服务逐步成为移动通信网络的主要承载业务之一。 不同于传统通信业务，大模型驱动的网络AI业务具备Token流式传输、全链路推理、多模态并发、泛在接入等典型特征，用户体验不再单纯由带宽、时延、丢包等传统QoS指标决定。现有5G QoS体系聚焦数据传输能力，缺失算力、模型、数据等AI核心要素度量维度，难以量化、保障6G场景下的网络AI服务质量，行业亟需一套贴合用户直观体验、网络可执行的专属评价与测试体系。 针对上述网络AI业务特性，本白皮书构建网络AI服务质量（QoAIS）指标体系，采用系统、任务、资源三层架构，围绕连接、计算、数据、模型四大核心要素，完成指标映射规则设计；同步搭建配套测试床与测试方案，配套数据集、AI模型全生命周期基准测试方法，实现数据、模型与AI服务执行统一质量标准，并针对首Token时延、推理时延、Token间隔等核心指标开展多场景实测，形成系统的指标体系、测试规范与分析结论。 本白皮书旨在促进网络AI服务质量指标的共识达成，为网络赋能AI创新技术研究的问题分析和验证提供测试床基础，助力6G网络AI技术、业务协同发展，加速网络AI规模化商用，共同构建高质量、可测、可优化的6G智能服务产业生态。 目录 1网络AI演进背景..............................................................................................21.1网络与AI融合趋势与新特性...................................................................21.25G网络服务质量体系局限性...................................................................41.3网络AI服务质量指标体系的必要性.......................................................52网络AI服务质量指标体系..............................................................................62.1三层指标体系框架.....................................................................................62.2系统级QoAIS指标体系设计....................................................................82.3任务级QoS指标体系设计........................................................................92.4资源级QoAIS指标体系设计..................................................................103网络AI服务质量指标体系测试床................................................................123.1测试床整体架构.......................................................................................123.2专项数据采集方法...................................................................................143.2.1功耗高精采集方法........................................................................143.2.2数据集质量解析方法....................................................................153.2.3模型性能监测方法........................................................................163.3核心指标测试方案...................................................................................173.3.1资源级指标测试方案....................................................................173.3.2任务级指标测试方案....................................................................193.3.3系统级指标测试方案....................................................................204典型测试用例...................................................................................................214.1偏差无线环境下不同部署方案性能测试...............................................214.2信道波动对LLM交互体验测试.............................................................224.3不同LLM模型规格性能测试.................................................................234.4对话上下文对LLM性能影响测试.........................................................244.5多用户并发LLM系统承载性能测试.....................................................265未来展望...........................................................................................................27缩略语列表..................................................................................................................28参考文献......................................................................................................................29 1网络AI演进背景 1.1网络与AI融合趋势与新特性 随着5G网络规模化部署与行业数字化应用持续深化，通信、人工智能、大数据、云计算技术加速融合，持续推动全社会数字化、智能化转型升级。面向2030年及未来，6G将以“数字孪生、智慧泛在”为核心发展愿景，进一步实现人、机、物、空间全域智能连接，催生全息交互、通感互联、数字孪生人、沉浸式互联网、超能交通、智慧工业、智慧农业等一大批新型融合业务场景，全面赋能智享生活、智赋生产、智焕社会的数字化发展格局[1]。 在6G“数字孪生、智慧泛在”的愿景牵引下，网络与AI呈现双向赋能、深度耦合的演进态势：6G端边网云一体化的算网架构与全域泛在的连接能力，将打破AI服务的算力门槛与空间限制，拓展AI应用的落地边界；而AI大模型、AI Agent等技术的快速迭代与规模化应用，既深度赋能网络物理层到高层协议栈的全链路智能化升级，也彻底重塑了网络传输范式、业务逻辑与用户体验模式，推动网络传输从传统单一比特（Byte）传输，进入Byte+Token协同传输的全新阶段，对网络能力与质量保障体系提出了全新诉求。 其一，Token级精细化传输需求成为核心需求。大模型、生成式AI业务的核心交互载体由传统数据报文转变为词元（Token）流，AI对话、内容生成、智能推理等业务不再以完整文件、固定数据包为传输单元，而是产生连续、碎片化、实时性极强的Token数据流。这类业务对网络传输的精细化、动态性要求大幅提 升，需要网络摆脱固定带宽传输模式，支持Token粒度的实时调度、按需传输与流量适配。同时，多轮对话、持续推理、智能体连续任务等场景存在海量突发Token流量，要求网络具备毫秒级流量感知与动态带宽调配能力，精准匹配AI模型的生成节奏，避免Token丢包、乱序、卡顿导致的对话中断、内容生成残缺、推理失效等问题，这也是传统网络传输机制未覆盖的全新能力要求。 其二，极致低时延推理的端边网云协同需求。传统通信时延指标主要保障数据传输通畅，而大模型推理、实时AI交互、沉浸式智能体验等业务，对端到端全链路时延提出了极致严苛的要求。区别于5G传统毫秒级传输时延需求，生成式AI业务核心关注首Token时延、逐Token输出时延、全流程推理时延等新型指标，这些指标直接决定用户核心体验。在工业智能质检、远程AI诊疗、全息实时交互、自动驾驶智能决策等场景，端侧AI推理、边云模型调度、跨域算力协同高度耦合，需要网络破解端-边-网-云全链路时延瓶颈，依托算网融合调度能力实现算力就近部署、任务动态迁移，保障AI推理全过程低时延、无卡顿、高实时性，支撑智能业务高效闭环运行。 其三，多模态融合传输与差异化保障需求凸显。6G时代AI业务呈现文本、图像、音频、视频、三维空间数据、传感数据等多模态融合特征，区别于传统单一媒体传输业务，多模态大模型交互、沉浸式元宇宙、全息通信、工业多维度智能感知等场景，具有多类型数据并发传输、动态交织的特点。不同模态数据对网络的传输速率、时延、抖动、可靠性、隐私性要求差异极大，文本Token追求极致低时延，高清图像、视频模态需要高带宽、低抖动保障，工业传感模态需要超高可靠性。这就要求网络具备多模态业务识别、分类调度、差异化QoS保障能力，实现多维度AI业务的协同传输与质量均衡。 在技术迭代与场景驱动下，用户AI服务体验也呈现出多元化、个性化、泛在化的全新特征。To C端用户从单一的语音、图文交互，升级为沉浸式全息交互、多轮智能对话、AI个性化内容创作等多元体验，对智能服务的流畅性、实时性要求持续提升；To B端垂直行业则依托网络AI能力，实现生产、运维、管控全流程智能化升级，不同行业、场景和AI任务的服务质量诉求差异化显著。同时，网络AI服务从传统网络赋能、单点智能，转向全域智能普惠、批量服务供给，进一步放大了差异化、精细化的网络质量保障需求。 1.25G网络服务质量体系局限性 伴随网络与AI的深度融合，AI业务的Token流式传输、全链路推理、多模态并发等全新特性，从根本上改变了移动通信网络承载的业务流量模型与体验评价逻辑。传统面向比特传输、基于稳态流量模型设